探究 COVID-19 大流行期间研究主题的演化

COVID-19 大流行改变了大多数科学界的研究议程，导致包括医学、病毒学、流行病学、经济学、心理学等在内的多个领域研究论文的过量产出。若干开放获取语料库与文献中心得以建立；其中，COVID-19 开放研究数据集（CORD-19）通过收集与索引超过一百万篇文章，系统性地汇聚了长达 2.5 年的科学成果。在此，我们提出 CORD-19 主题可视化器（CORToViz），一种用于检视 CORD-19 科学摘要文本语料的方法及配套可视化工具。我们的方法基于对最新技术的审慎选取（包括大语言模型），由此构建出一种沿正交维度对文章进行聚类的架构，以及用于时序主题挖掘的抽取技术。主题检视由一个交互式仪表盘支持，提供快速的单击可视化：以词云呈现主题内容，以时间序列呈现主题趋势，并配备易于操作的统计检验以分析在任意选定时间窗内主题涌现的显著性。数据准备与结果可视化的流程完全通用，几乎可应用于任何文本文档语料——因而适于有效适配其他情境。